小波包变换与RBF网络在风电机组传动链故障诊断应用研究.pdfVIP

第 10期 组 合 机 床 与 自动 化 加 工 技 术 NO．10 2013年 10月 M odularM achineTool AutomaticM anufacturingTechnique oct．2013 文章编号 ：1001—2265(2013)10—0095—03 小波包变换和 RBF网络在风电机组 传动链故障诊断的应用研究术 崔 勇 (长葛市电力工业公司，河南 许昌 461000) 摘要 ：风 电机组传动链故障特征类型丰富，故障信息量大，提 出将振动信号作为其故障特征信息的载 体 ，通过 小波包变换进行特征提取。应用 RBF神经网络的非线性映射 能力和 自适应 学习能力，以提 高故障诊 断的准确性 ，详细分析 了进行两级神经 网络识别的思想，应用第一级神经网络进行故 障分 类，应用第二级神经网络进行具体故障识别。给 出了故障诊 断试验，该试验充分说 明应用小波包算 法进行故障特征提取可以有效地实现故障信号的预处理 ，进行两级神经 网络可以有效提高故障诊断 效率。 关键词：传动链 ；小波包；RBF神经网络 ；故障诊 断；特征提取 中图分类号 ：TH165；TP277 文献标识码：A FaultDiagnosisforDriveTrain OfW indTurbinesBased onW avelet PacketTransofrm and RBF NeuralNetwork CUIYong (ChangGePowerSupplyCompany，XuchangHenan461000，China) Abstract：W ind turbinedriving chainwith abundantfaultfeatureandvariabletypes，thevibration signal wasacarrieroffaultfeatureswhichcaneffectivelyreflectmostofthefaultinformationofthewindtur· binedrivetrain．W aveletpackettransform wasadopted forfeatureextraction．W ith the application of nonlinearmappingandadaptivelearningfeatureofneuralnetworkstoenhanceitsaccuracy，thetwo·level neuralnetworkrecognitionmethodwasproposed，withfirstlevelforfaultclassificationandsecondlevel ofrfaultdiagnosis．Theexampleshowsthatthismethodcanbeeffectivelyappliedtodrivetrainofwind turbinefaultdiagnosiswith waveletpacketalgorithm with faultfeature extraction and two—levelneural network pattern recognition． Keywords：drivetrain；waveletpacket；RBFneuralnetworks；faultdiagnosis；featureextraction 障特征 ，由于风电系统运行环境的复杂性和特殊性 ， 0 引言 有大量的非稳态信 号包含其中。小波包变换是一种 风电机组传动链结构复杂 ，其典型故障主要涉 较为精细的信号时频分析手段 ，具有较强 的非平稳 及主轴 、齿轮箱、滚动轴承等关键部件 ，每一部件